DOI: https://doi.org/10.1080/19475683.2024.2309866
تاريخ النشر: 2024-01-02
المؤلف: Yingjie Hu وآخرون
الموضوع الرئيسي: دراسات نظم المعلومات الجغرافية
نظرة عامة
احتفلت الجمعية الأمريكية للجغرافيين (AAG) بالاجتماع السنوي لعام 2023 بالذكرى الخامسة لندوة الذكاء الاصطناعي الجغرافي (GeoAI)، التي عُقدت في الأصل في عام 2018. وقد سلطت مناقشة لجنة تضم خمسة خبراء الضوء على كل من التقدم والقيود في أبحاث GeoAI. ومن بين النجاحات الرئيسية التي تم تحديدها تطوير نماذج مكانية واضحة تعالج بشكل فعال التباين المكاني، وإنشاء مجموعات بيانات جغرافية واسعة النطاق، وتطبيق GeoAI في حل التحديات الواقعية عبر مجالات مختلفة. ومع ذلك، أشار أعضاء اللجنة أيضًا إلى قيود كبيرة، مثل عدم كفاية التفاعل مع النظريات الجغرافية، ونقص قابلية تفسير النماذج، والتحديات في تعميم النتائج عبر سياقات جغرافية مختلفة.
وفيما يتعلق بالمستقبل، أكد أعضاء اللجنة على الحاجة إلى تقدم مستقبلي في GeoAI، لا سيما في تعزيز قابلية تفسير النماذج، وقياس عدم اليقين، واستغلال تقنيات الذكاء الاصطناعي الناشئة. كما طرحوا أسئلة مثيرة للتفكير بشأن الزيادة الأخيرة في أبحاث GeoAI، مشيرين إلى أن عوامل مثل توفر مجموعات بيانات كبيرة وتشكيل مصطلح “GeoAI” قد تكون قد ساهمت في هذه الظاهرة. بشكل عام، تهدف المقالة إلى تلخيص هذه الرؤى لإلهام اتجاهات بحثية جديدة وتعزيز التقدم المستمر في مجال GeoAI على مدى السنوات الخمس المقبلة.
مقدمة
تسلط مقدمة هذه الورقة البحثية الضوء على ظهور وأهمية الذكاء الاصطناعي الجغرافي (GeoAI) كحقل متعدد التخصصات يتقاطع مع مجالات مختلفة، بما في ذلك الجغرافيا، وعلوم الحاسوب، والصحة العامة. يشير المؤلفون إلى الاهتمام المتزايد الذي حظي به GeoAI من كل من الأكاديميا والصناعة، لا سيما من خلال مبادرات مثل ندوة GeoAI التابعة لـ AAG وورش عمل ACM SIGSPATIAL GeoAI، التي سهلت تبادل المعرفة والتعاون عبر مجتمعات مختلفة. منذ بدء هذه الفعاليات، كان هناك تقدم ملحوظ في تطبيق GeoAI لمعالجة القضايا الاجتماعية الملحة مثل مرونة الكوارث، والصحة العامة، والتخطيط الحضري.
تستعرض الورقة أيضًا التقدم المنهجي الذي تم تحقيقه في GeoAI، بما في ذلك تحسينات في قابلية تفسير النماذج والتداخل المكاني. ومع ذلك، تعترف بالتحديات الموجودة، مثل الحاجة إلى تحسين دمج ردود الفعل البشرية وتطوير الأطر النظرية في الجغرافيا. لاستكشاف هذه المواضيع بشكل أعمق، تم تنظيم مناقشة لجنة في ندوة GeoAI التابعة لـ AAG لعام 2023، حيث تم دعوة خمسة خبراء للتفكير في النجاحات والقصور في أبحاث GeoAI على مدى السنوات الخمس الماضية، بالإضافة إلى اقتراح اتجاهات مستقبلية. تعتبر هذه الورقة بمثابة قطعة موقف تلخص الرؤى التي تم تبادلها خلال اللجنة، بهدف نشر هذه المنظورات لجمهور أوسع، لا سيما أولئك الذين لم يتمكنوا من حضور الحدث.
مناقشة
في قسم المناقشة، يعكس أعضاء اللجنة تطور الحالة الحالية لـ GeoAI، مسلطين الضوء على كل من التقدم والتحديات. يشير مايكل جودتشايلد إلى أنه بينما يعتبر مصطلح “GeoAI” جديدًا نسبيًا، فإن دمج الذكاء الاصطناعي في البحث الجغرافي له تاريخ طويل، يعود إلى الاستكشافات المبكرة لـ “الجغرافيا الآلية”. ويشير إلى أن الزيادة الأخيرة في الاهتمام قد تنبع من مجموعة من العوامل، بما في ذلك توفر بيانات جغرافية هائلة وزيادة قوة الحوسبة. ومع ذلك، يعبر عن قلقه من أن GeoAI يعيق الأهداف العلمية التقليدية، لا سيما من خلال التطبيقات التي تعطي الأولوية للتنبؤ على الفهم، مثل التنبؤ بأسواق الأسهم وتوليد محتوى مضلل مثل الصور المزيفة العميقة.
يؤكد A-Xing Zhu على كل من التقدم والتحديات المستمرة في GeoAI، لا سيما فيما يتعلق بجمع البيانات وقابلية تعميم النماذج. ويبرز استخدام المعلومات الجغرافية التطوعية (VGI) كتحسين كبير في تدريب نماذج الذكاء الاصطناعي، بينما يعترف أيضًا بمشكلات التحيز المكاني. يشير Zhu إلى أن تعقيد الظواهر الجغرافية يعقد قابلية تعميم النماذج عبر مناطق مختلفة، مقترحًا أن تركز الأبحاث المستقبلية على تعزيز قابلية تفسير النماذج ومعالجة الخصائص الفريدة للبيانات الجغرافية. تنتقد ماي يوان الاتجاه الحالي في أبحاث GeoAI، الذي يعتمد غالبًا على الخوارزميات الموجودة دون تقديم رؤى جديدة في الفهم الجغرافي. تدعو إلى التحول نحو أبحاث مدفوعة بالفضول تسعى لشرح الظواهر الجغرافية بدلاً من مجرد التنبؤ بالنتائج. بشكل عام، تؤكد المناقشة على الحاجة إلى إعادة تقييم الأهداف والمنهجيات في GeoAI لتعزيز البحث العلمي الأعمق ومعالجة الاعتبارات الأخلاقية.
DOI: https://doi.org/10.1080/19475683.2024.2309866
Publication Date: 2024-01-02
Author(s): Yingjie Hu et al.
Primary Topic: Geographic Information Systems Studies
Overview
The 2023 Annual Meeting of the American Association of Geographers (AAG) celebrated the five-year anniversary of the Geospatial Artificial Intelligence (GeoAI) Symposium, originally held in 2018. A panel discussion featuring five experts highlighted both the advancements and limitations in GeoAI research. Key successes identified included the development of spatially explicit models that effectively address spatial heterogeneity, the creation of large-scale geographic datasets, and the application of GeoAI in solving real-world challenges across various domains. However, the panelists also noted significant limitations, such as insufficient engagement with geographic theories, a lack of model explainability, and challenges in generalizing findings across different geographic contexts.
Looking ahead, the panelists emphasized the need for future advancements in GeoAI, particularly in enhancing model explainability, quantifying uncertainty, and leveraging emerging AI techniques. They also raised thought-provoking questions regarding the recent surge in GeoAI research, suggesting that factors such as the availability of large datasets and the formalization of the term “GeoAI” may have contributed to this phenomenon. Overall, the article aims to synthesize these insights to inspire new research directions and foster continued progress in the field of GeoAI over the next five years.
Introduction
The introduction of this research paper highlights the emergence and significance of geospatial artificial intelligence (GeoAI) as an interdisciplinary field that intersects various domains, including geography, computer science, and public health. The authors note the increasing attention GeoAI has garnered from both academia and industry, particularly through initiatives like the AAG GeoAI Symposium and ACM SIGSPATIAL GeoAI Workshops, which have facilitated knowledge exchange and collaboration across different communities. Since the inception of these events, there has been notable progress in applying GeoAI to address pressing societal issues such as disaster resilience, public health, and urban planning.
The paper also outlines the methodological advancements achieved in GeoAI, including improvements in model explainability and spatial interpolation. However, it acknowledges existing challenges, such as the need for better integration of human feedback and the advancement of theoretical frameworks in geography. To explore these themes further, a panel discussion was organized at the 2023 AAG GeoAI Symposium, where five experts were invited to reflect on the successes and shortcomings of GeoAI research over the past five years, as well as to propose future directions. This paper serves as a position piece summarizing the insights shared during the panel, aiming to disseminate these perspectives to a broader audience, particularly those unable to attend the event.
Discussion
In the discussion section, the panellists reflect on the evolution and current state of GeoAI, highlighting both advancements and challenges. Michael Goodchild notes that while the term ‘GeoAI’ is relatively new, the integration of AI into geographic research has a long history, dating back to early explorations of ‘automated geography.’ He argues that the recent surge in interest may stem from a combination of factors, including the availability of vast geospatial data and enhanced computing power. However, he expresses concern that GeoAI is disrupting traditional scientific objectives, particularly through applications that prioritize prediction over understanding, such as stock market forecasting and the generation of misleading content like deep fakes.
A-Xing Zhu emphasizes both progress and ongoing challenges in GeoAI, particularly regarding data collection and model generalizability. He highlights the use of volunteered geographic information (VGI) as a significant advancement in training AI models, while also acknowledging issues of spatial bias. Zhu points out that the complexity of geographic phenomena complicates the generalizability of models across different areas, suggesting that future research should focus on enhancing model interpretability and addressing the unique characteristics of geographic data. May Yuan critiques the current trend in GeoAI research, which often relies on existing algorithms without contributing new insights into geographic understanding. She calls for a shift towards curiosity-driven research that seeks to explain geographic phenomena rather than merely predict outcomes. Overall, the discussion underscores the need for a reevaluation of the goals and methodologies in GeoAI to foster deeper scientific inquiry and address ethical considerations.